一种电力负荷预测的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106056233A(43)申请公布日2016.10.26(21)申请号201610312499.9(22)申请日2016.05.11(71)申请人广东顺德中山大学卡内基梅隆大学国际联合研究院地址528300广东省佛山市顺德区大良南国东路申请人中山大学(72)发明人张雨浓张德阳马景耀丁亚琼谭洪舟(74)专利代理机构广州圣理华知识产权代理有限公司44302代理人顿海舟王鸽(51)Int.Cl.G06Q10/04(2012.01)G06Q50/06(2012.01)权利要求书2页说明书4页附图2页(54)发明名称一种电力负荷预测的方法(57)摘要本发明属于电力负荷的预测、管理和控制领域，具体为一种电力负荷预测的方法，涉及数据采集模块、学习模块和预测模块。数据采集模块负责采集采集电力负荷的历史数据，并对数据进行筛选，得出负荷时间序列Y，然后对负荷时间序列Y进行归一化处理得出预处理序列O。学习模块负责对预处理序列O进行学习得出预测正弦函数模型W(t)。预测模块根据预测正弦函数模型求出预测数据序列F。本发明基于分析电力负荷的这一周期性变化趋势的特点，采用正弦函数模型作为预测数据的基础模型，与现有技术相比，具有贴合电力负荷数据实际变化的优点，为了克服采用正弦函数作为基础模型误差相对较大的缺点，本发明还采用重复学习的方法，提高预测的准确性。CN106056233ACN106056233A权利要求书1/2页1.一种电力负荷预测的方法，其特征在于：涉及数据采集模块、学习模块和预测模块，上述模块执行以下步骤：(a)数据采集模块按时间顺序采集电力负荷的历史数据，得出负荷时间序列Y，对负荷时间序列Y进行归一化处理，得出预处理序列O；(b)学习模块将预处理序列O拟合得出一个正弦函数S(t)，根据正弦函数S(t)得出基础序列L1，(c)学习模块将预处理序列O和基础序列L1相减得出基础残差序列e；(d)学习模块求出基础残差序列e的均方根误差，将该均方根误差与预设的阀值对比；若小于预设阀值，则正弦函数S(t)为预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测数据序列F；若大于预设阀值，则继续执行以下步骤(e)至(g)；(e)学习模块对基础残差序列e进行拟合，得出残差正弦函数Q(t)，根据残差正弦函数Q(t)得出残差序列M；(f)学习模块求出残差序列M的均方根误差，将该均方根误差与预设的阀值对比；若小于预设阀值，则将正弦函数S(t)和残差正弦函数Q(t)叠加，得出预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测数据序列F；若大于预设阀值，则进入重复学习步骤：根据残差序列Mi(i＝1,2,3,…,n)，拟合得出预测残差正弦函数Pi(t)(i＝1,2,3,…,n),根据Pi(t)得出预测残差序列Ni，利用公式M+1＝Mi-Ni，求出下一个残差序列Mi+1，根据Mi+1拟合得出Pi+1(t)，根据Pi+1(t)得出预测残差序列Ni+1；每次运算得出的预测残差序列Ni后，计算该预测残差序列Ni均方根误差，将该均方根误差与预设的阀值对比，若小于预设阀值，则停止重复学习步骤，若大于预设阀值，则继续重复学习步骤；(g)停止重复学习步骤后，将正弦函数S(t)和与残差正弦函数Q(t)和所有预测残差正弦函数Pi(t)叠加，得出预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测序列F。2.根据权利要求1所述的一种电力负荷预测的方法，其特征在于：所述预设阀值为预处理序列O最大值和最小值的差的T％,T∈[0.1,1]。3.根据权利要求1所述的一种电力负荷预测的方法，其特征在于：所述学习模块设有重复学习限定值R，当重复学习次数达到R次，则停止重复学习，执行步骤(g),R∈[10,500]。4.根据权利要求1所述的一种电力负荷预测的方法，其特征在于：所述步骤(a)中负荷时间序列Y按照公式：Ok＝(Yk-Ymin)/(Ymax-Ymin)，将负荷时间序列Y做归一化处理，进而得到归一化的预处理序列O；其中Ok∈[0,1]为预处理序列O的第k个数据，Ymin和Ymax分别是负荷时间序列Y的最小值和最大值。5.根据权利要求1所述的一种电力负荷预测的方法，其特征在于：所述步骤(d)、(f)和(g)和所得的预测序列f按照公式:Fk＝Ymin+(Ymax-Ymin)fk进行反归一化处理，从而得到预测数据序列F；其中，Ymin和Ymax分别是负荷时间序列Y的最小值和最大值，fk和Fk分别为预测序列f和预测数据序列F的第k个数